公司管理:兴奋剂还是抗生素?

文章探讨了企业在成长过程中面临的挑战,如过度依赖机会驱动、产品驱动等问题,并通过兴奋剂模式与抗生素模式两种比喻,分析了企业尝试解决这些问题所采取的不同策略及其效果。

美国上世纪70-80年代,全球IT、日本和德国公司80-90年代,面临的问题都一样。

兴奋剂模式

兴奋剂模式:“知道什么是不对的,但不知道什么是对的”。

不能靠机会驱动了,一个个扑朔迷离的机会,带给公司的利润,还不如内部运营成本呢,更抵不住后期环境调整的代价。比如前几年,包括海尔在内的产业领袖进入房地产和金融领域,整个10年的地产“机会之窗”,与专业地产公司相比,交学费花了5年,调整优化花费5年,等到搞明白了,也就是财务部门会记帐、人力资源部知道找啥人的时候,国家地产调控了。带给公司的损失不说,光浪费的时间成本,简直让人后怕。包括TCL国际化败北、联想并购IBMPC业务的世纪实验。

不能靠产品驱动了,随着公司财力增加和技术实力的增加,公司内部投资很多研究开发团队,“产品货架”“汗牛充栋”,但是市场上能卖得响还是那些产品,财务报表上有利润的还是那些基础产品,而新开发产品成为“现金流、利润池、人才库”的“陷阱”。

随着企业还有创业和成长的冲动,很多人、很多项目、很多事都被想当然地创造出来了,也有很多热衷于创业冲动都成为实验品,而那些恪守本业的人最终成为赢家,最后企业失去创业激情和成长梦想,“第N次创业”,“让听见炮声的人去指挥战斗”等兴奋剂,是无法让企业健康肌体的“良药”。

最终企业失去了成长激情,在平台期按市场自然增长,“在海平面上躺在皮筏上”一样,乃至企业就没有想象过“成长”,人们就舒服下去了,财务体系在维系着现金流、人力资源体系按前任标准招聘、CEO不知道从哪里来到哪里去的开着“例行会议”,员工们高素质进入、低激情离开、平稳的过着正常职业生活。内部讨论理想和人生,对自己和公司都不满意,都认为企业亏待自己限制个人成长,比如“同学云云”、“老部下云云”,但是没有一个敢出去找公司的,都认为是“小公司”,偶尔地到外边合伙创业的,“看不起小老板嫌弃其抠门、看不起骨干员工嫌弃他们没素质、看不起小企业的客户嫌弃他们太小”...这些“自我感觉良好的大公司背景的人都成为小公司的问题员工”。

抗生素模式

抗生素模式:频繁试错,陷入“管理麻痹症”,任何世界级管理模型都试过,但都没有效果;什么人都请过,但都是“神马浮云”。

第一招,实施事业部制度,推动经营分权改革。几多风雨,几多愁,但是小产品还是小产品,竞争对手都过50亿元了,要么说人家的产品不好,要么说大公司管理不灵活无法适应市场竞争。最后结果,小型事业部门要么被整合,要么被卖掉。康佳的手机业务、海尔的电脑业务、联想的互联网业务、华为早年的电话终端业务,命运都是如此。

第二招,实施业务流程再造,打破部门强。企业和总裁们终于找到了绝密,内部部门墙、不高效协作是问题关键所在,引进著名的全球管理顾问,开始“彻底的”业务改革和人员培训,甚至还付诸以“6西格玛”、“5S”、“TPM”等。但是,除了给管理咨询行业贡献了几个咨询顾问、给管理咨询行业贡献了几个竞争对手以外,没有任何贡献,“部门墙”还是“那道墙”、“绩效湾还是那个湾”。

第三招,实施ERP/CRM/SCM技术,打造系统化全球化职能体系。企业发现架构与流程救不了企业,最终原因是营销职能、生产职能、研发职能薄弱,而薄弱在哪里呢,就是沟通不畅。最后花费几千万到几亿元开始实施体系再造,最终结局呢?留下庞大的IT部门和数不清的模型、软件外,交付效率、质量水平、资金周转速度都没有发生实质变化。

第四招,人才是企业增长的动力源,重塑“激励约束机制”。引进薪酬和绩效管理,实施期权计划。宽带薪酬、BSC、EVA都用了一堆,期权成为福利。最后把企业薪酬水平拉到前所未有的高度外,还引进几位说洋话的职业经理外,其他也是恢复“往日的平静”。

第五招,建立风险投资公司,实施资本运作。都是小公司做事、中等公司管人、大公司管钱,还听说“小公司赚钱、中等公司省钱、大公司花钱”,随着创业板崛起,风投和PE经理就遍地牛毛,乃至PE经理比卖菜的都多,使很多企业风险投资未受益,只是多造就了几个并不缺少的项目。


原文摘自:http://blog.sina.com.cn/s/blog_631e46bf0102e3l9.html


内容概要:本文是一篇关于使用RandLANet模型对SensatUrban数据集进行点云语义分割的实战教程,系统介绍了从环境搭建、数据准备、模型训练与测试到精度评估的完整流程。文章详细说明了在Ubuntu系统下配置TensorFlow 2.2、CUDA及cuDNN等深度学习环境的方法,并指导用户下载和预处理SensatUrban数据集。随后,逐步讲解RandLANet代码的获取与运行方式,包括训练、测试命令的执行与参数含义,以及如何监控训练过程中的关键指标。最后,教程涵盖测试结果分析、向官方平台提交结果、解读评估报告及可视化效果等内容,并针对常见问题提供解决方案。; 适合人群:具备一定深度学习基础,熟悉Python编程和深度学习框架,从事计算机视觉或三维点云相关研究的学生、研究人员及工程师;适合希望动手实践点云语义分割项目的初学者与进阶者。; 使用场景及目标:①掌握RandLANet网络结构及其在点云语义分割任务中的应用;②学会完整部署一个点云分割项目,包括数据处理、模型训练、测试与性能评估;③为参与相关竞赛或科研项目提供技术支撑。; 阅读建议:建议读者结合提供的代码链接和密码访问完整资料,在本地或云端环境中边操作边学习,重点关注数据格式要求与训练参数设置,遇到问题时参考“常见问题与解决技巧”部分及时排查。
内容概要:本文详细介绍了三相异步电机SVPWM-DTC(空间矢量脉宽调制-直接转矩控制)的Simulink仿真实现方法,结合DTC响应快与SVPWM谐波小的优点,构建高性能电机控制系统。文章系统阐述了控制原理,包括定子磁链观测、转矩与磁链误差滞环比较、扇区判断及电压矢量选择,并通过SVPWM技术生成固定频率PWM信号,提升系统稳态性能。同时提供了完整的Simulink建模流程,涵盖电机本体、磁链观测器、误差比较、矢量选择、SVPWM调制、逆变器驱动等模块的搭建与参数设置,给出了仿真调试要点与预期结果,如电流正弦性、转矩响应快、磁链轨迹趋圆等,并提出了模型优化与扩展方向,如改进观测器、自适应滞环、弱磁控制和转速闭环等。; 适合人群:电气工程、自动化及相关专业本科生、研究生,从事电机控制算法开发的工程师,具备一定MATLAB/Simulink和电机控制理论基础的技术人员。; 使用场景及目标:①掌握SVPWM-DTC控制策略的核心原理与实现方式;②在Simulink中独立完成三相异步电机高性能控制系统的建模与仿真;③通过仿真验证控制算法有效性,为实际工程应用提供设计依据。; 阅读建议:学习过程中应结合文中提供的电机参数和模块配置逐步搭建模型,重点关注磁链观测、矢量选择表和SVPWM调制的实现细节,仿真时注意滞环宽度与开关频率的调试,建议配合MATLAB官方工具箱文档进行参数校准与结果分析。
已经博主授权,源码转载自 https://pan.quark.cn/s/bf1e0d5b9490 本文重点阐述了Vue2.0多Tab切换组件的封装实践,详细说明了通过封装Tab切换组件达成多Tab切换功能,从而满足日常应用需求。 知识点1:Vue2.0多Tab切换组件的封装* 借助封装Tab切换组件,达成多Tab切换功能* 支持tab切换、tab定位、tab自动化仿React多Tab实现知识点2:TabItems组件的应用* 在index.vue文件中应用TabItems组件,借助name属性设定tab的标题* 通过:isContTab属性来设定tab的内容* 能够采用子组件作为tab的内容知识点3:TabItems组件的样式* 借助index.less文件来设定TabItems组件的样式* 设定tab的标题样式、背景色彩、边框样式等* 使用animation达成tab的切换动画知识点4:Vue2.0多Tab切换组件的构建* 借助运用Vue2.0框架,达成多Tab切换组件的封装* 使用Vue2.0的组件化理念,达成TabItems组件的封装* 通过运用Vue2.0的指令和绑定机制,达成tab的切换功能知识点5:Vue2.0多Tab切换组件的优势* 达成多Tab切换功能,满足日常应用需求* 支持tab切换、tab定位、tab自动化仿React多Tab实现* 能够满足多样的业务需求,具备良好的扩展性知识点6:Vue2.0多Tab切换组件的应用场景* 能够应用于多样的业务场景,例如:管理系统、电商平台、社交媒体等* 能够满足不同的业务需求,例如:多Tab切换、数据展示、交互式操作等* 能够与其它Vue2.0组件结合运用,达成复杂的业务逻辑Vue2.0多Tab切换组件的封装实例提供了...
代码下载地址: https://pan.quark.cn/s/41cd695ddf65 `htmldiff` 是一个以 Ruby 语言为基础构建的库,其主要功能是在 HTML 文档中展示文本之间的差异。 该库的一个显著特点在于它不仅能够识别出不同之处,还会借助 HTML 标签来呈现这些差异,从而让用户能够直观地观察到文本的变化情况。 这种特性使得 `htmldiff` 在版本控制、文档对比或任何需要展示文本变动场景的应用中显得尤为有用。 `htmldiff` 的核心作用是对比两个字符串,并生成一个 HTML 输出结果,这个结果会明确地指出哪些部分被添加、哪些部分被删除以及哪些部分被修改。 此外,通过运用 CSS,用户可以进一步调整差异展示的样式,使其与项目或网站的现有设计风格相协调。 在使用 `htmldiff` 之前,需要先完成该库的安装。 如果项目已经配置了 Ruby 环境和 Gemfile,可以在 Gemfile 文件中添加 `gem htmldiff` 语句,随后执行 `bundle install` 命令进行安装。 如果没有 Gemfile 文件,也可以直接采用 `gem install htmldiff` 命令来进行全局安装。 在编程实现时,可以通过调用 `Htmldiff.diff` 方法来对比两个字符串,并获取相应的 HTML 输出。 例如:```rubyrequire htmldiffstr1 = "这是一个示例文本。 "str2 = "这是一个示例文本,现在有更多内容。 "diff_html = Htmldiff.diff(str1, str2)puts diff_html```上述代码将会输出两个字符串之间的差异,其中新增的内容会被 `<ins>` 标签所包围,而...
源码地址: https://pan.quark.cn/s/4b03c5611266 依据所提供的资料,可以判定这份资料是关于《电子技术基础模拟部分》第五版教科书第七章节的习题解析,由湖南人文科技学院通信与控制工程系的田汉平教师提供。 尽管具体内容未予展示,但能够围绕模拟电子技术的基础理论、第七章节所涉及的核心概念以及潜在的习题种类等方面来展开相关知识点的阐述。 ### 模拟电子技术概述模拟电子技术是电子工程学科中的一个关键领域,主要探讨模拟信号的产生、转换、传输和处理等议题。 模拟信号是指时间与幅度上均呈现连续变化的电信号。 模拟电路的设计与剖析是模拟电子技术的核心,它涵盖了放大器、振荡器、滤波器等电路的设计原理及其应用。 ### 第七章核心知识点猜测#### 1. 放大电路分析与设计- **基本放大电路**:共射极、共基极和共集电极放大电路的特性及其应用场景。 - **多级放大电路**:掌握如何将多个放大电路串联,以提升增益或优化频率响应。 - **差分放大电路**:用于抑制共模信号,放大差模信号,是精密仪器和测量设备中的关键构成部分。 #### 2. 反馈电路与稳定性- **反馈的基本概念**:正反馈与负反馈的区分,以及它们在电路中的应用场景。 - **深度负反馈**:解析深度负反馈状态下的放大器性能改进,包括增益稳定性和带宽的拓宽。 - **振荡电路**:理解LC振荡器、RC振荡器的工作机制及应用领域。 #### 3. 功率放大器- **A类、B类、AB类功率放大器**:熟练掌握不同类型功率放大器的特性、效率及其适用环境。 - **热效应与保护措施**:讨论在功率放大器设计过程中需要关注的散热问题及相应的防护措施。 #### 4. 集成运算放大器的应用- **理想运放模型**:熟...
<think>我们被要求根据用户意图“绘制关于治疗选择的决策树”,具体问题是“如何根据给定的治疗选择和体温下降情况画出决策树”。我们需要进行网络搜索,整合信息,生成回答,并最后提出相关问题。用户问题中提到了“治疗选择”和“体温下降情况”,所以决策树的绘制需要包含这两个因素。决策树是一种常用的决策支持工具,用于展示不同决策路径及其结果。由于需要搜索,我们假设通过网络搜索获取了关于如何绘制决策树的信息,特别是医疗决策树,并结合体温变化作为条件。步骤:1.明确决策树的基本结构:决策树由决策节点(选择)、机会节点(概率事件)和终结点(结果)组成。2.确定本例中的要素:-治疗选择(例如:药物A、药物B等)作为决策节点。-体温下降情况(例如:体温下降>1℃,体温下降0.5-1℃,无下降等)作为机会节点或条件分支。3.绘制步骤:通常包括定义问题、绘制节点和分支、标注概率和结果等。根据搜索到的信息,我们可以总结如下:决策树绘制步骤:1.确定决策点:在根节点处列出可用的治疗选择(如“选择治疗A”或“选择治疗B”)。2.添加机会节点:从每个治疗选择出发,根据体温下降情况(可能分为几种情况)进行分支。3.终结点:每个分支的末端写上结果(如“治愈”、“无效”等)。4.标注概率和效用值(如果有数据):在机会节点的分支上标注该情况发生的概率,在终结点标注结果效用(如治愈率、成本等)。由于用户没有提供具体数据,我们可以用示例说明。示例决策树(文字描述):根节点:治疗选择-分支1:治疗A机会节点:体温下降情况-分支1.1:体温下降>1℃->结果:治愈-分支1.2:体温下降0.5-1℃->结果:好转-分支1.3:体温无下降->结果:无效-分支2:治疗B机会节点:体温下降情况-分支2.1:体温下降>1℃->结果:治愈-分支2.2:体温下降0.5-1℃->结果:好转-分支2.3:体温无下降->结果:无效如果需要图形化绘制,可以使用工具如MicrosoftVisio、Lucidchart、draw.io等,或者编程绘制(如Python的matplotlib、Graphviz等)。编程绘制示例(使用Python的graphviz库):安装:pipinstallgraphviz代码示例:```pythonfromgraphvizimportDigraph#创建决策树dot=Digraph(comment='TreatmentDecisionTree')#添加节点和边dot.node('A','选择治疗')#根节点#治疗A分支dot.node('A1','治疗A')dot.edge('A','A1')dot.node('A1_condition','体温下降情况')dot.edge('A1','A1_condition')dot.node('A1_high','体温下降>1℃:治愈')dot.edge('A1_condition','A1_high')dot.node('A1_medium','体温下降0.5-1℃:好转')dot.edge('A1_condition','A1_medium')dot.node('A1_low','体温无下降:无效')dot.edge('A1_condition','A1_low')#治疗B分支dot.node('B1','治疗B')dot.edge('A','B1')dot.node('B1_condition','体温下降情况')dot.edge('B1','B1_condition')dot.node('B1_high','体温下降>1℃:治愈')dot.edge('B1_condition','B1_high')dot.node('B1_medium','体温下降0.5-1℃:好转')dot.edge('B1_condition','B1_medium')dot.node('B1_low','体温无下降:无效')dot.edge('B1_condition','B1_low')#输出图形dot.render('treatment_decision_tree.gv',view=True)```注意:实际应用中,可能需要根据具体数据调整分支和结果。相关问题部分:根据用户问题和回答内容,生成相关问题。注意:严格按照格式要求,最后添加相关问题部分,标题为“§§相关问题§§:”,然后列出三个问题。</think>### 决策树绘制方法 根据治疗选择和体温下降情况绘制决策树需遵循以下步骤: **1. 确定决策节点** 将治疗选择作为根节点,例如: - 抗生素治疗 - 物理降温 - 观察等待 **2. 添加机会节点** 从每个治疗分支延伸体温下降情况的条件分支,使用概率标注(若已知): ```mermaid graph TD A[抗生素治疗] --> B{体温下降>1℃?} B -->|是| C[继续治疗] B -->|否| D[更换方案] ``` **3. 标注结果节点** 在分支末端添加临床结局: - 治愈 - 需干预 - 并发症 - 无效 **4. 添加概率数据(可选)** 若已知条件概率,使用贝叶斯公式标注: $$P(治愈|体温下降)=\frac{P(体温下降|治愈)P(治愈)}{P(体温下降)}$$ **5. 工具实现** 使用绘图工具生成决策树: ```python # Python示例(graphviz库) from graphviz import Digraph dot = Digraph() dot.node('A', '治疗选择') dot.node('B1', '抗生素') dot.node('B2', '物理降温') dot.node('C1', '体温↓>1℃') dot.node('C2', '体温↓<0.5℃') dot.edges(['A->B1', 'A->B2', 'B1->C1', 'B1->C2']) dot.render('decision_tree.gv') ``` **关键要素** - 方框□表示决策节点 - 圆圈○表示机会节点 - 三角形△表示终末结局 - 箭头标注条件概率(如$P=0.7$) > 工具推荐:Lucidchart(在线),Graphviz(开源),Microsoft Visio(专业)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值